GLM-4V es el modelo de visión y lenguaje de Zhipu AI para combinar una imagen con una pregunta escrita. El ejemplo multimodal nativo del fabricante proporciona ambas partes en un mensaje del usuario y devuelve una respuesta de texto. Su guía de desarrollo de agentes también identifica GLM-4V como modelo de imagen a texto, por lo que la imagen fuente y la redacción de la pregunta son las entradas centrales de la tarea.
Elige la imagen que contenga la evidencia necesaria para la respuesta y después indica qué se debe examinar. Una pregunta general puede solicitar una descripción de la escena; una pregunta enfocada puede identificar un objeto, una etiqueta o una relación que se debe explicar. Da suficiente contexto para eliminar la ambigüedad de la tarea, como qué artículo de una fotografía de productos importa o qué región de una captura se debe describir.
El ejemplo del fabricante usa una imagen JPEG codificada como referencia de imagen junto con la pregunta de texto. Conserva la imagen original al preparar la solicitud, en particular si un recorte eliminaría etiquetas o contexto circundante. Para una tarea ilustrativa de soporte, proporciona la captura y solicita una descripción del estado visible, manteniendo el mensaje exacto de la pantalla separado de una explicación propuesta de su causa.
Especifica si el resultado debe ser un pie de imagen, una explicación breve, una descripción ordenada o una nota de trabajo con observaciones separadas. Para una fotografía de inventario, un encargo ilustrativo es: “Describe los objetos visibles y su disposición; identifica el artículo señalado en mi pregunta”. Para una imagen documental, pregunta sobre el fragmento visible y conserva el identificador de la imagen o página con la respuesta.
Mantén la pregunta suficientemente acotada para que la evidencia relevante siga siendo fácil de revisar. Si el siguiente paso requiere un nombre, un número o una etiqueta citada, pide ese elemento por separado y compara la redacción devuelta con la imagen original.
El flujo de agentes del fabricante asocia la imagen cargada con una entrada con nombre y la instrucción que la acompaña. Conserva esa asociación al continuar la conversación. Una pregunta de seguimiento útil nombra la misma imagen y acota la pregunta a una región o relación específicas, para que la siguiente respuesta se refiera al material previsto.
Guarda el texto terminado junto con el identificador de la imagen, la pregunta y cualquier referencia de región usada en la tarea. Esto produce una entrega práctica para una conversación de asistencia visual, una descripción de catálogo o una nota documental vinculada con la fuente. La función del modelo es interpretar la imagen proporcionada en lenguaje; la imagen original sigue disponible para comprobar detalles específicos y corregir la siguiente pregunta.
", "aboutText": "GLM-4V es el modelo de visión y lenguaje de Zhipu AI para combinar una imagen con una pregunta escrita. El ejemplo multimodal nativo del fabricante proporciona ambas partes en un mensaje del usuario y devuelve una respuesta de texto. Su guía de desarrollo de agentes también identifica GLM-4V como modelo de imagen a texto, por lo que la imagen fuente y la redacción de la pregunta son las entradas centrales de la tarea.\n\n### Coloca la pregunta junto a la imagen\n\nElige la imagen que contenga la evidencia necesaria para la respuesta y después indica qué se debe examinar. Una pregunta general puede solicitar una descripción de la escena; una pregunta enfocada puede identificar un objeto, una etiqueta o una relación que se debe explicar. Da suficiente contexto para eliminar la ambigüedad de la tarea, como qué artículo de una fotografía de productos importa o qué región de una captura se debe describir.\n\nEl ejemplo del fabricante usa una imagen JPEG codificada como referencia de imagen junto con la pregunta de texto. Conserva la imagen original al preparar la solicitud, en particular si un recorte eliminaría etiquetas o contexto circundante. Para una tarea ilustrativa de soporte, proporciona la captura y solicita una descripción del estado visible, manteniendo el mensaje exacto de la pantalla separado de una explicación propuesta de su causa.\n\n### Haz explícito el entregable escrito esperado\n\nEspecifica si el resultado debe ser un pie de imagen, una explicación breve, una descripción ordenada o una nota de trabajo con observaciones separadas. Para una fotografía de inventario, un encargo ilustrativo es: “Describe los objetos visibles y su disposición; identifica el artículo señalado en mi pregunta”. Para una imagen documental, pregunta sobre el fragmento visible y conserva el identificador de la imagen o página con la respuesta.\n\nMantén la pregunta suficientemente acotada para que la evidencia relevante siga siendo fácil de revisar. Si el siguiente paso requiere un nombre, un número o una etiqueta citada, pide ese elemento por separado y compara la redacción devuelta con la imagen original.\n\n### Lleva la imagen a una conversación visual\n\nEl flujo de agentes del fabricante asocia la imagen cargada con una entrada con nombre y la instrucción que la acompaña. Conserva esa asociación al continuar la conversación. Una pregunta de seguimiento útil nombra la misma imagen y acota la pregunta a una región o relación específicas, para que la siguiente respuesta se refiera al material previsto.\n\nGuarda el texto terminado junto con el identificador de la imagen, la pregunta y cualquier referencia de región usada en la tarea. Esto produce una entrega práctica para una conversación de asistencia visual, una descripción de catálogo o una nota documental vinculada con la fuente. La función del modelo es interpretar la imagen proporcionada en lenguaje; la imagen original sigue disponible para comprobar detalles específicos y corregir la siguiente pregunta.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.glm-4vGLM-4V es el modelo de visión y lenguaje de Zhipu AI para hacer preguntas sobre una imagen y recibir una respuesta escrita. Proporciona la imagen con una instrucción de texto enfocada para crear una descripción, interpretar un detalle visible o preparar una nota visual vinculada con la evidencia.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-4V es el modelo de visión y lenguaje de Zhipu AI para combinar una imagen con una pregunta escrita. El ejemplo multimodal nativo del fabricante proporciona ambas partes en un mensaje del usuario y devuelve una respuesta de texto. Su guía de desarrollo de agentes también identifica GLM-4V como modelo de imagen a texto, por lo que la imagen fuente y la redacción de la pregunta son las entradas centrales de la tarea.
Elige la imagen que contenga la evidencia necesaria para la respuesta y después indica qué se debe examinar. Una pregunta general puede solicitar una descripción de la escena; una pregunta enfocada puede identificar un objeto, una etiqueta o una relación que se debe explicar. Da suficiente contexto para eliminar la ambigüedad de la tarea, como qué artículo de una fotografía de productos importa o qué región de una captura se debe describir.
El ejemplo del fabricante usa una imagen JPEG codificada como referencia de imagen junto con la pregunta de texto. Conserva la imagen original al preparar la solicitud, en particular si un recorte eliminaría etiquetas o contexto circundante. Para una tarea ilustrativa de soporte, proporciona la captura y solicita una descripción del estado visible, manteniendo el mensaje exacto de la pantalla separado de una explicación propuesta de su causa.
Especifica si el resultado debe ser un pie de imagen, una explicación breve, una descripción ordenada o una nota de trabajo con observaciones separadas. Para una fotografía de inventario, un encargo ilustrativo es: “Describe los objetos visibles y su disposición; identifica el artículo señalado en mi pregunta”. Para una imagen documental, pregunta sobre el fragmento visible y conserva el identificador de la imagen o página con la respuesta.
Mantén la pregunta suficientemente acotada para que la evidencia relevante siga siendo fácil de revisar. Si el siguiente paso requiere un nombre, un número o una etiqueta citada, pide ese elemento por separado y compara la redacción devuelta con la imagen original.
El flujo de agentes del fabricante asocia la imagen cargada con una entrada con nombre y la instrucción que la acompaña. Conserva esa asociación al continuar la conversación. Una pregunta de seguimiento útil nombra la misma imagen y acota la pregunta a una región o relación específicas, para que la siguiente respuesta se refiera al material previsto.
Guarda el texto terminado junto con el identificador de la imagen, la pregunta y cualquier referencia de región usada en la tarea. Esto produce una entrega práctica para una conversación de asistencia visual, una descripción de catálogo o una nota documental vinculada con la fuente. La función del modelo es interpretar la imagen proporcionada en lenguaje; la imagen original sigue disponible para comprobar detalles específicos y corregir la siguiente pregunta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites glm-4v | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.014 / 1K tokens Salida · Tokens de salida $0.014 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4v", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='glm-4v',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-4v',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra glm-4v
Usa las rutas de método indicadas arriba.
glm-4vGLM-4V es el modelo de visión y lenguaje de Zhipu AI para hacer preguntas sobre una imagen y recibir una respuesta escrita. Proporciona la imagen con una instrucción de texto enfocada para crear una descripción, interpretar un detalle visible o preparar una nota visual vinculada con la evidencia.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-4V es el modelo de visión y lenguaje de Zhipu AI para combinar una imagen con una pregunta escrita. El ejemplo multimodal nativo del fabricante proporciona ambas partes en un mensaje del usuario y devuelve una respuesta de texto. Su guía de desarrollo de agentes también identifica GLM-4V como modelo de imagen a texto, por lo que la imagen fuente y la redacción de la pregunta son las entradas centrales de la tarea.
Elige la imagen que contenga la evidencia necesaria para la respuesta y después indica qué se debe examinar. Una pregunta general puede solicitar una descripción de la escena; una pregunta enfocada puede identificar un objeto, una etiqueta o una relación que se debe explicar. Da suficiente contexto para eliminar la ambigüedad de la tarea, como qué artículo de una fotografía de productos importa o qué región de una captura se debe describir.
El ejemplo del fabricante usa una imagen JPEG codificada como referencia de imagen junto con la pregunta de texto. Conserva la imagen original al preparar la solicitud, en particular si un recorte eliminaría etiquetas o contexto circundante. Para una tarea ilustrativa de soporte, proporciona la captura y solicita una descripción del estado visible, manteniendo el mensaje exacto de la pantalla separado de una explicación propuesta de su causa.
Especifica si el resultado debe ser un pie de imagen, una explicación breve, una descripción ordenada o una nota de trabajo con observaciones separadas. Para una fotografía de inventario, un encargo ilustrativo es: “Describe los objetos visibles y su disposición; identifica el artículo señalado en mi pregunta”. Para una imagen documental, pregunta sobre el fragmento visible y conserva el identificador de la imagen o página con la respuesta.
Mantén la pregunta suficientemente acotada para que la evidencia relevante siga siendo fácil de revisar. Si el siguiente paso requiere un nombre, un número o una etiqueta citada, pide ese elemento por separado y compara la redacción devuelta con la imagen original.
El flujo de agentes del fabricante asocia la imagen cargada con una entrada con nombre y la instrucción que la acompaña. Conserva esa asociación al continuar la conversación. Una pregunta de seguimiento útil nombra la misma imagen y acota la pregunta a una región o relación específicas, para que la siguiente respuesta se refiera al material previsto.
Guarda el texto terminado junto con el identificador de la imagen, la pregunta y cualquier referencia de región usada en la tarea. Esto produce una entrega práctica para una conversación de asistencia visual, una descripción de catálogo o una nota documental vinculada con la fuente. La función del modelo es interpretar la imagen proporcionada en lenguaje; la imagen original sigue disponible para comprobar detalles específicos y corregir la siguiente pregunta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites glm-4v | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.014 / 1K tokens Salida · Tokens de salida $0.014 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "glm-4v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra glm-4v
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.